基于CEEMDAN与量子粒子支持向量机的电力负荷组合预测

摘要：

为更精确地对电力系统负荷进行预测,提出一种基于添加自适应白噪声的完全集合经验模态分解与量子粒子支持向量机的组合预测方法.首先针对原始经验模态分解办法中存在的模态混叠及集合经验模态分解方法引入白噪声造成信号失真等问题,提出添加自适应白噪声的完全集合经验模态分解方法,并用其将原始信号分解到不同时间尺度.利用支持向量机方法分解结果分别进行预测,并采用量子粒子方法对支持向量机中的不敏感损失系数、惩罚系数及核宽度系数进行寻优,从而得到最好的预测结果.最后,通过对青海某区域的电力系统负荷预测,并引入不同方法进行对比,证实了该方法的有效性与实用性.

关键词：经验模态分解、CEEMDAN、支持向量机、量子粒子群

所属期刊栏目：54

分类号：TM933

资助基金：国家科技支撑项目2013BAA02B01

在线出版日期：2017-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：16-21